基于神经网络逆控制的水轮机调节系统

根据神经网络对非线性系统模型的辨识能力,将其与自适应逆控制相结合,对水轮发电机组的逆模型进行建模,构建一种新的水轮机调节系统。该方案以逆系统以及系统辨识理论为基础,以水轮发电机组作为被控对象,分别针对其频率和负荷扰动,建立神经网络在线逆控制器,对系统进行调控,并将仿真结果与传统PID控制进行比较。从仿真结果可以看出,所提的控制方案能够实现对水轮发电机组的有效控制,使系统具有较好的动态性能和鲁棒性。     

基于T-S逆模型的航空发动机解耦控制

为了解决发动机控制系统中存在的耦合现象,以自适应逆控制原理为基础,提出了一种基于T-S逆模型的解耦控制器;该方法利用模糊T-S模型来辨识发动机的逆模型,从而得到实现解耦效果的伪线性化模型,再运用神经网络PID控制器的在线整定功能提高系统的动态性能和鲁棒性,使系统综合性能最优;仿真结果表明,该控制器具有理想的解耦效果,在发动机工作包线范围内具有良好的自适应能力.     

基于线性网络的一类带扰动线性对象的逆控制研究

将线性网络应用于一类带扰动的线性对象,提出了一种基于该线性网络的自适应逆控制方案,该方案由辨识器、控制器和扰动消除器三部分构成,合理选择三个线性网络的输入,通过辨识器的在线学习,同时更新控制器和扰动消除器的权值,文章研究了该方案的收敛性和方案的跟踪性。根据可变步长权值收敛条件,设计了输入解相关变步长LMS算法调整辨识器权值方法。通过仿真研究了逆控制方法的有效性。     

基于神经网络逆系统的无轴承异步电机非线性内模控制

针对无轴承异步电机非线性、多变量、强耦合的特点,提出一种基于神经网络 α阶逆系统方法的非线性内模控制策略.将用动态神经网络逼近的无轴承异步电机 α阶逆模型与原系统复合,将非线性的无轴承异步电机原系统解耦成转子径向位移、转 速和转子磁链四个独立的伪线性子系统.为了保证 系统的鲁棒性,对伪线性系统引入内模控制,仿真和实验研究验证了所提控制方法的有效性.     

增量式自适应逆控制及在过热汽温中的应用

被控对象的迟延和惯性特性是影响控制系统品质的重要因素之一.从常规PID增量式控制算法入手,在对具有迟延和惯性被控对象的动态特性进行定性分析的基础上,给出了一种改进型增量式控制算法的表达式;分析了被控对象校正逆模型的参数向量与控制器的参数向量之间的联系,进而将控制器的荻取与被控对象校正逆模型的建立相结合,将控制器的自适应过程归结为被控对象校正逆模型的在线辨识问题,通过对校正逆模型的在线辨识直接对改进型增量式控制算法中控制器的参数进行在线修正,形成了一种增量式自适应逆控制系统.将该方法应用于锅炉过热汽温控制系统中,并通过与常规PID串级控制和直接自适应逆控制系统的控制效果对比,验证了所提方法的有效性.     

基于LS-SVM/PID复合逆系统的预测控制

为了提高预测控制算法的控制性能,提出一种基于最小二乘支持向量机(LS-SVM)/PID复合逆系统的预测控制算法。该算法在PID控制的基础上,利用LS-SVM离线建立被控对象的非线性逆模型作为前馈控制器,形成直接逆控制,其克服了逆系统方法鲁棒性不强的缺陷,并与原系统串联构成一个伪线性系统;然后,结合预测控制算法实现系统的预测控制。仿真结果表明,该算法具有较好的跟踪性能和抗干扰能力。     

一种模糊PID-Smith污水处理的控制方法

针对污水处理控制系统的大惯性、大时滞及时变等特点,在分析常规PID控制和模糊控制不足的基础上,以溶解氧DO为控制对象,建立了一种Smith预估器+模糊PID组合控制器.该组合模型中的模糊控制部分以误差和误差变化率作为输入,通过模糊推理实现对PID的3个参数,即比例常数、积分常数和微分常数的自整定,以满足被控对象DO的不同误差和误差变化率对控制器参数的要求:采用Smith预估器实现对被控制对象的时间滞后的修正.该模型集成了模糊控制器鲁棒性高、PID静态控制,及Smith预估器可以补偿时滞的优点.通过对SBR污水处理系统的控制仿真,并与常规PID和模糊PID控制效果比较,超调量和调节时间明显降低,证实了组合控制器的优越性,从而为解决大滞后大惯性系统提供一种有效途径.     

基于LSSVM逆系统在污水处理系统DO控制中的研究

针对污水处理控制系统的非线性及时变等特点,在分析常规PID控制和模糊控制不足的基础上,以溶解氧DO为控制对象,提出一种由LS-SVM的逆模型与PID结合的复合控制系统,由LS-SVM辨识非线性系统的逆模型作为前馈控制器,形成直接逆控制。同时,由PID控制器构成反馈控制,克服直接逆控制鲁棒性不强的缺陷。仿真研究结果表明LS-SVM的逆模型辨识能力强,具有更好的抗干扰能力和鲁棒性。     

无轴承同步磁阻电机逆系统解耦控制仿真研究

研究无轴承同步磁阻电机稳定性控制问题,由于无轴承同步磁阻电机是一个强耦合的非线性系统,为实现负载条件下的稳定悬浮运行,需解除电机转矩和径向悬浮力等多变量之间的耦合关系。针对前馈补偿解耦的缺陷,给出了无轴承同步磁阻电机包含转矩控制和悬浮力控制的统一数学模型,证明电机逆系统存在,设计了一种通过非线性状态反馈的逆系统解耦控制方案,将复杂的无轴承同步磁阻电机系统解耦成两个转子径向位置二阶积分子系统和一个转速一阶积分子系统,并用PI和PID调节器分别对转子位置与转速进行综合设计。运用MATLAB软件对电机控制系统进行仿真。仿真结果证明,解耦控制方案的有效性,为电机系统优化设计提供了保证。     

基于SVM逆模型控制的储能电源逆变器研究

电网供电系统的储能电源变换器是储能电源系统的核心,其控制效果的好坏直接影响输出电能的质量.为进一步提高储能电源逆变输出电压波形质量,增强控制系统的鲁棒性,基于逆系统控制思想,提出一种支持向量机(SVM)直接逆控制与PID控制相结合的复合控制策略,并将其应用在储能电源控制系统中.采用支持向量机离线训练的方法,实现了对系统逆模型的辨识,并将辨识出的逆模型作为控制器,与被控对象串联构成一个伪线性系统,在此基础上,采用增量式PID控制器(IPIDC)进行补偿式控制.Matlab仿真结果表明该控制器有效减少了超调量,抗干扰能力和鲁棒性强,适用于非线性系统.     

基于逆系统方法的综放工作面控制系统的模糊控制器

对逆系统方法作为反馈线性化方法及其非线性本质进行深入的研究后,认知到逆系统方法建立的模糊控制器是一种变增益的非线性控制器,它与PID控制器有许多相似之处,进而设计出模糊PID复合控制器。模糊PID控制器在综放工作面中的应用的关键是模糊控制器的各个参数的整定。因此,我们用传统的方法首先设计一个PID控制器,在稳定时使模糊PID控制器的参数与PID控制器的对应参数相等,逐步调节、修改各个参数,从而可以得出模糊PID控制器的参数,模糊PID控制器在煤矿综放工作面上运用的结果令人满意。     

基于神经网络逆系统的超临界流体色谱系统控制

针对超临界流体色谱系统具有多变量、非线性、强耦合的特点,提出一种基于神经网络逆系统的超临界流体色谱系统控制方案。通过RBF神经网络在线逆辨识建立了超临界流体色谱系统的神经网络逆系统模型,并将辨识得到的逆模型作为控制器模型与超临界流体色谱系统进行串联,构成一个伪线性复合系统。并将本方案应用于SFC-SEP600超临界流体色谱系统上进行了梯度洗脱流量控制实验,实验结果表明该模型梯度流量控制精度完全符合技术指标要求,实验结果验证了方案的有效性和可行性。     

率相关迟滞非线性系统的智能化建模与控制

提出一种新的率相关迟滞非线性系统的建模方法,并对其在超磁致伸缩作动器建模中的应用进行了研究.与已有的方法比较,所建的模型结构简单.与实验结果对比,模型可以很好地描述作动器对于复合频率输入信号的迟滞非线性.基于模糊树模型,结合神经网络中的逆向学习和专门化学习,提出了一种直接逆模型控制器设计方法.首先离线辨识对象的逆模型作为初始的控制器,然后与对象串联,用LMS算法在线调节控制器中的线性参数.将该方法应用到超磁致伸缩作动器的跟踪控制中,数值仿真结果表明了方法的正确性和可行性.     

基于模糊树模型的自适应直接逆控制

基于模糊树模型, 结合神经网络中的逆向学习和专门化学习, 提出了自适应直接逆控制方法. 首先离线辨识对象的逆模型作为初始的控制器, 然后与对象串联, 用最小均方差 (Least mean square, LMS) 算法在线调节控制器中的线性参数. 本方法辨识得到的逆模型控制器可以减少需要的模糊规则数目, 同时达到较好的跟踪控制效果. 仿真结果表明了方法的有效性.     

动物细胞悬浮培养过程神经网络逆解耦控制

动物细胞的悬浮培养以细胞增殖快、生产效率高等优势,成为动物细胞大规模培养的首选方式。而动物细胞悬浮培养过程是一个非线性、强耦合的多输入多输出系统,对一些生物参数(如细胞密度、基质浓度和产物浓度)的控制是提高整个生产水平的关键,应用神经网络逆系统方法对动物细胞悬浮培养过程进行线性化解耦控制,根据培养过程的特点,给出了相应的数学模型,并证明了系统的可逆性,利用神经网络的非线性逼近能力辨识出原系统的逆系统,然后串接在原系统前面构成伪线性复合系统,使动物细胞悬浮培养过程线性化解耦成三个子系统：一阶线性细胞密度子系统、一阶线性基质浓度子系统和一阶线性产物浓度子系统,最后设计模糊PID控制器对各解耦后的线性子系统进行控制,避免了传统PID控制器最优参数选取困难的问题。仿真结果表明,神经网络逆系统方法实现了对动物细胞悬浮培养过程的线性化解耦,系统对给定输入实现了高性能跟踪控制。     

基于RBF神经网络逆系统的机械手解耦控制策略

针对机械手系统具有非线性时变、多变量、强耦合的特点,提出一种基于RBF神经网络逆系统的机械手解耦控制策略。首先证明了系统的可逆性,进一步通过神经网络在线逆辨识建立机械手的神经网络逆系统模型,并将辨识得到的逆模型作为控制器模型与机械手系统串联,构成伪线性复合系统,实现了将具有强耦合特性的多变量输入/输出机械手系统解耦成单个独立的伪线性对象。最后以两关节机械手为仿真对象进行了仿真,仿真结果验证了本方案的有效性和可行性。     

基于最近邻聚类的多模型LSSVM逆控制系统

针对逆系统中非线性逆模型辨识困难以及大规模数据采用单模型回归存在精度差和计算量较大的问题,提出了一种基于最近邻聚类的多模型最小二乘支持向量机（LSSVM）逆模型辨识及控制方法。该方法首先使用最近邻聚类算法对数据集做出聚类划分,然后针对每个聚类做最小二乘支持向量回归估计,实现了对系统逆动力学模型的动态辨识。最后将辨识模型作为摔制器模型,与被控对象串联,构成一个动态伪线性对象,从而使非线性对象的控制问题转换为线性对象的控制问题,仿真结果表明基于最近邻聚类的多模型LSSVM逆控制系统辨识能力强,比单模型LSSVM逆摔制系统具有更优的动态跟踪性能,更好的抗干扰能力和鲁棒性。     

基于RBFN逆控制策略的多变量非线性系统的解耦控制

基于逆动力学控制的思想,提出一种带前馈的RBFN逆模型控制策略,并将该控制策略对多变量非线性系统进行了在线解耦与控制;采用3个RBF神经网络分别对被控对象的3个输入进行逆辨识,每相神经网络逆辨识模型反向作为逆控制器模型与每相串联,从而构成3个已解耦的独立的伪线性对象,进而针对3个独立的伪线性对象进行线性控制,从而实现了对三相耦合系统的精确控制;经过实验室模拟调试的实测三相电流波形表明,在电流设定值为2100A时,升温速率为5.3℃/min,电流波动范围≤±10%.     

神经模糊逆模/PID复合控制在CSTR中的应用

研究了基于广义基函数神经模糊模型的逆系统实现及其直接逆模控制,并提出将直接逆模控制与PID反馈控制相结合的复合控制策略,该控制策略已应用于CSTR的反应浓度控制,仿真结果表明,神经模糊逆模／PID复合控制能克服因辨识逆模型不精确引起的缺陷,并具有良好控制性能。     

永磁同步电机调速系统的多维泰勒网逆控制

针对永磁同步电机(PMSM)的高性能控制问题,在充分考虑时变特性、不确定性以及测量噪声等随机因素的基础上,通过PMSM的逆系统将被控对象补偿成为具有线性传递关系的系统,提出一种基于改进自适应逆控制的控制方案.采用矢量控制的双闭环控制结构,将多维泰勒网逆控制方法引入速度环.首先,对PMSM数学模型的可逆性进行证明以解决非线性系统逆建模的存在性问题;然后,建立新颖的动态网络化控制器-----多维泰勒网(MTN),其具有结构简单、计算复杂度低的优点;最后,为了实现高精度的速度控制,将3个MTN分别作为实现系统建模的自适应模型辨识器、逆建模的自适应逆控制器和噪声干扰消除的非线性自适应滤波器,并将PMSM的动态响应控制和消除干扰的控制分为相对独立的过程进行,同时实现最优控制.仿真结果表明,所提出控制方案能够实现PMSM伺服系统精确的速度控制,具有良好的跟踪性能和较强的抗干扰能力.